Apa yang disebut sistem kecerdasan buatan?
KECERDASAN BUATAN gagasan dapat dilihat dari berbagai sisi.
Dari intelijen
Kecerdasan buatan adalah apa yang membuat mobil "pintar" - tindakan
mirip dengan apa yang kita harapkan dari orang-orang.
Ketidakmampuan untuk membedakan reaksi dari komputer reaksi manusia yang disebut kriteria
Turing.
Intelijen memerlukan pengetahuan.
Solusi masalah dalam praktek karena keterbatasan domain dalam rangka
menggunakan pengetahuan yang signifikan sesuai.
Dari perspektif penelitian
"Kecerdasan buatan - adalah belajar bagaimana membuat komputer melakukan
hal yang orang saat ini sedang melakukan lebih baik. "
Penelitian di kecerdasan buatan dimulai pada 1960-an - upaya pertama
telah dibuat dalam memecahkan masalah catur, membuktikan teorema (beberapa sederhana
teorema) dan penciptaan sebuah pemecah masalah umum (hanya tugas yang sangat sederhana)
Menulis pemecah masalah umum ternyata jauh lebih sulit daripada awalnya
diharapkan. Para peneliti tidak dapat menyelesaikan masalah, biasanya diselesaikan
manusia ahli.
Dasar nama "kecerdasan buatan" adalah bidang studi.
Penelitian di kecerdasan buatan antara lain:
Formal masalah (matematika, games)
Hari, masalah (persepsi, robotika, bahasa alami,
argumen berdasarkan akal sehat)
Ahli masalah (analisis keuangan, diagnosa medis, ilmiah
analisis, dan daerah lainnya)
Dari perspektif Artificial Intelligence - adalah seperangkat sangat kuat
alat dan teknik yang digunakan sebagai alat
berarti untuk memecahkan masalah praktis.
Dari sudut pandang perencanaan operasional KECERDASAN TIRUAN mencakup studi
dan studi metode untuk memecahkan masalah dalam bentuk simbolik:
metode khas dari AI lebih fokus pada metode pengolahan simbolik
informasi dari numerik.
Memecahkan masalah - itu berarti untuk mencapai tujuan.
Search - jarang langsung berhubungan dengan solusi. Cari mungkin termasuk sejumlah metode.
Pemrograman Bahasa KECERDASAN BUATAN meliputi:
LISP, dikembangkan di tahun 1950 - bahasa pemrograman awal, benar-benar
berhubungan dengan kecerdasan buatan. LISP-bahasa pemrograman fungsional
dengan ekspansi dalam bentuk prosedur. LISP (daftar pemrosesan CPU) telah dikembangkan
untuk pengobatan berbagai daftar - biasanya daftar karakter. Fitur LISP,
yang membuatnya menarik bagi peneliti di bidang buatan
KECERDASAN termasuk kontrol dinamis, penggunaan fungsi yang
fungsi lain sebagai parameter, administrasi memori otomatis
(Build "sampah") dan interaktif lingkungan.
bahasa Kedua, adalah sangat terkait dengan kecerdasan buatan, adalah Prolog. Prolog adalah
dikembangkan di tahun 1970-an. Prolog didasarkan pada kalkulus predikat, yang pertama
pesanan. Deklaratif bahasa Prolog di alam dan memiliki sarana untuk mengekspresikan
ogranicheniyao ledakan pencarian.
Bahasa berorientasi objek - kelas besar bahasa, yang baru-baru ini menjadi
digunakan untuk pemrograman kecerdasan buatan. Penting
fitur bahasa berorientasi objek meliputi:
* Konsep benda (target) dan laporan
* Objek data standar dan metode untuk pengelolaan data
* Apa yang harus dilakukan, menentukan sumber, penerima memutuskan bagaimana melakukannya.
* Keturunan (hierarki obyek, di mana benda-benda mewarisi atribut
objek dari suatu kelas yang lebih umum)
Contoh bahasa berorientasi objek - Smalltalk, objek C, C + +. Juga
digunakan berorientasi objek ekstensi LISP (CLOS - Common
Berorientasi objek, LISP-sistem) dan Prolog (L & O-Logika dan Objek).
______________________________________________________________________________________
II. Apa yang disebut sistem pakar (ES)?
Ada berbagai definisi sistem pakar. Beberapa definisi didasarkan pada
mereka fungsi. Definisi lainnya berdasarkan struktur mereka. Ketiga
definisi yang ada dalam pikiran komponen fungsional dan struktural. Banyak dari awal
definisi mempertimbangkan argumen berdasarkan aturan.
KOMPONEN FUNGSIONAL
Bahwa sistem tidak
"... Sebuah program komputer yang berperilaku seperti ahli manusia dalam
beberapa manfaat yang arah. "[Winston dan Prendergast, 1984, C.6]
Daerah Terapan
"... Untuk efektif menangani area aplikasi yang sempit." [Waterman, 1986,
c.xvii]
... khas definisi "masalah diselesaikan, yang dapat
direpresentasikan dalam bentuk simbolik "[Liebowitz,, 1988 h. 3]
Kompleks aplikasi
"... Terapkan pakar pengetahuan untuk masalah dunia nyata kompleks"
[Waterman, 1986, c.18]
"... Untuk mengatasi masalah-masalah yang cukup rumit, membutuhkan
substantif keahlian "[Edward Feigenbaum, 1985, C.5]
Efisiensi persyaratan
"Kemampuan untuk beroperasi pada tingkat ahli yang berpengalaman" [Liebowitz,, 1988 h. 3]
"Program yang meniru kemampuan ahli manusia." [Brule, 1986, hal 6]
"... Match tingkat kompetensi ahli manusia dalam tertentu
daerah. "[Uskup, 1986, c.38]
"... Untuk menawarkan penilaian intelektual atau mengambil cerdas
solusi selama operasi. "Spesialis [Computer Society British Group
di Forsyth,, 1984 ss.9-10]
"Biarkan pengguna untuk memperoleh keahlian peer review atau mirip
sehingga ia bisa mendapatkan, dalam konsultasi dengan ahli manusia. "[Edwards
dan Connell, 1989, h. 3]
Penjelasan penalaran
"... Kemungkinan sistem, atas permintaan, memberikan penjelasan tentang bagaimana itu
menerima satu atau kesimpulan lain. "Spesialis [Computer Society Inggris Group di
Forsyth, 1984, p.9-10]
"Proses registrasi dijelaskan ..." [Liebowitz, 1988, h. 3]
___________________________________________________________________________________
STRUKTUR KOMPONEN
Karena sistem beroperasi
Menggunakan metode kecerdasan buatan
"... Penggunaan teknik pemrograman kecerdasan buatan, terutama
kedua metode yang dirancang untuk memecahkan masalah "[Dictionaty of Computing,
1986, p.140]
Komponen Pengetahuan
"... Komputer perwujudan dari basis pengetahuan pengalaman ahli ..." [Inggris Komputer
Masyarakat Specialist Group di Forsyth, 1984, p.9-10]
"Komputer, didasarkan pada sistem perwakilan ahli pengetahuan" [Edwards dan
Connell, 1989, h. 3]
"Pengetahuan tentang sistem pakar terdiri dari fakta-fakta dan heuristik. Fakta-fakta adalah inti
informasi. Ini adalah sesuatu yang banyak diwakili, aksesibilitas, disepakati oleh para ahli di
daerah tertentu. "[Feigenbaum Edward, 1985, p.5]
"Ahli sistem - program komputer canggih yang memanipulasi
pengetahuan untuk memecahkan masalah "[Waterman, 1986, s.xvii]
Berbagi pengetahuan dan manajemen
"... Secara eksplisit meliputi pengetahuan tentang area subyek, yang dipisahkan dari yang lain
Sistem "[Waterman, 1986, hal.18].
Menggunakan Prosedur O - heuristik - ketidakpastian
"... Intelligent program komputer yang menggunakan pengetahuan dan
inferensi prosedur "[Edwars Feigenbaum, 1985, C.5].
"Gaya diadopsi untuk mencapai karakteristik - pemrograman ini,
berdasarkan aturan. "[Computer Society Inggris Specialist Group di Forsyth,
1984, p.9-10].
"Pengaturan perilaku cerdas oleh aplikasi yang berkualitas
heuristik pemrograman "[Waterman, 1986, hal.18].
"Terutama swasta heuristik, beberapa aturan penilaian (aturan penalaran
berdasarkan fakta, aturan asumsi) - ini adalah apa yang mencirikan tingkat
ahli pembuatan keputusan di daerah tertentu "[. Edward Feigenbaum, 1985,
C.5].
"... Dimasukkannya cara untuk menangani ketidakpastian ..." [Liebowitz, 1988, h. 3]
Model ahli manusia
"... Bisa dianggap sebagai model ahli pada praktek terbaik dalam tertentu
daerah. "[Feigenbaum Edward, 1985, C.5].
"... Representasi pengetahuan khusus tentang masalah dalam cara yang sama
ahli manusia berpikir "[Liebowitz, 1988, h. 3].
"... Melibatkan penggunaan informasi yang relevan diperoleh sebelumnya
dari ahli manusia. "[Dictionaty of Computing,, 1986 c.140]
___________________________________________________________________________________
III. Bagaimana orang berpikir?
Mereka membuat kategori
Ketersediaan - Aktiva Lancar
Aktiva Lancar - Suatu aset
Mereka menggunakan aturan khusus, sebuah aturan priori
Sebagai contoh, pajak hukum ... Begitu banyak dari mereka untuk setiap kesempatan
Aturan dapat dipesan sehingga
"Jika A maka B" ...
"Jika B, maka C"
---> B ---> C
Mereka menggunakan heuristik --- "crawl aturan"
Heuristik bisa diperbaiki dengan menggunakan aturan-aturan semacam ini
"Jika makanan yang mengandung daging
Kemudian pilih warna anggur merah "
Sebuah heuristik adalah suatu aturan dengan kondisi
Mereka menggunakan pengalaman masa lalu --- "fakta"
Hal ini terutama jelas dalam argumen berdasarkan preseden.
Misalnya, dalam hukum atau dalam pilihan standar akuntansi keuangan
Pengurangan kasus ini untuk kasus-kasus sebelumnya adalah dasar untuk pemilihan tindakan
Simpan informasi tentang fakta, menggunakan atribut kunci. Sebagai contoh, Mobil
dapat dicirikan oleh: tahun produksi mobil, mobil bekas, kecepatan
mobil, dll
Apa yang membuat sebuah argumen yang baik, itu membuat argumen yang baik
Mereka menggunakan "Harapan"
"Anda tidak akan independen hari ini
Jika perilaku kita berbeda dari matematis yang diharapkan, maka disebut
"Model perilaku"
______________________________________________________________________________________
IV. Bagaimana Komputer alasan?
MODEL KOMPUTER ADALAH BERDASARKAN MODEL PENALARAN MANUSIA
Bingkai
Setiap atribut dari bingkai yang disebut "slot"
Setiap frame - adalah simpul (node) dalam satu atau lebih hubungan hierarkis seperti
"Adalah"
Mereka menggunakan aturan A --- B> ---> C
Himpunan peraturan disebut basis pengetahuan atau rule base.
Mereka menggunakan pengenalan pola, misalnya, sistem kartu kredit; Sistem
keamanan database
___________________________________________________________________________________
IV-1. Bingkai
Jaringan terdiri dari simpul (node) dan hubungan antara mereka
Di satu sisi, mereka sangat mirip dengan database tradisional, tetapi di sisi lain,
sangat berbeda dari dia
Atribut yang disebut "slot"
Nilai ini dapat secara eksplisit diatur
Metode penentuan nilai lebih berharga daripada nilai sendiri
Setiap frame - simpul (node) terletak dalam satu atau lebih hubungan hirarkis
ketik "adalah"
Upper tingkat hirarki adalah konsep-konsep umum, dan lebih rendah
spesifik
nilai ini dapat diwariskan dari simpul umum (node)
Penyampaian bingkai dalam bentuk prototipe dapat diatur ke default,
yang kemudian dapat dihapus.
Sebagai contoh, kami menggambarkan subjek tumbuh di halaman belakang saya:
elm - pohon pohon tak terbantahkan terbantahkan - pohon, pohon - tanaman, tanaman - hidup
organisme.
______________________________________________________________________________________
IV-2. Argumen didasarkan pada aturan
Saat ini, bentuk yang paling umum representasi pengetahuan dalam sistem pakar.
Struktur sistem pakar
User interface
Ramah
Yang paling "cerdas"
* Pengetahuan tentang cara memberikan informasi
* Pengetahuan tentang sistem preferensi pengguna
Database
Berisi beberapa data menarik bagi
Dapat dihubungkan ke jaringan atau database publik yang tersedia
Mekanisme inferensi
Pengetahuan umum tentang isu-isu dan metode
Interpreter mengurai dan proses aturan
scheduler menentukan urutan pertimbangan aturan
Search berdasarkan peraturan
Mengambil keuntungan dari informasi heuristic
Di sisi lain, sedangkan pemecahan masalah dapat
terlalu banyak
* Masalah ini disebut ledakan kombinatorial
shell Sistem Pakar merupakan suatu logika disesuaikan
O
Basis Pengetahuan (aturan database)
Mengandung sejumlah besar pengetahuan tentang pemecahan masalah
Aturan memiliki bentuk IF kondisi (kondisi) MAKA tindakan
Bagian dari peraturan kondisi (negara bagian) - biasanya fakta - (Jika
beberapa fakta tertentu dalam database, kemudian berjalan
beberapa tindakan)
Bagian dari aturan mungkin termasuk
Tindakan yang mempengaruhi dunia luar (jenis
pesan di terminal)
Periksa peraturan lain
Menambahkan fakta baru dalam database (jika hujan,
Itulah jalan basah).
Aturan dapat spesifik, sebuah aturan apriori (misalnya, hukum pajak ...-
merupakan kodifikasi hukum dan peraturan.
Aturan mungkin heuristik (misalnya, jika makanan termasuk daging,
kemudian pilih anggur merah).
"Aturan Crawl" - adalah kebijaksanaan duniawi.
Aturan dapat mengikuti dari satu sama lain (misalnya "Jika A maka B"; "Jika B maka
C "; sebagai A --- B ---> C>, kemudian" Jika A maka C ").
(Jika hujan, maka jalan basah Jika jalan basah, jalan yang licin..)
Koefisien (faktor) adalah derajat kebenaran kepercayaan
fakta
______________________________________________________________________________________
IV-2a. Pengetahuan Teknik
Disiplin pembangunan sistem pakar
Peran Teknik Pengetahuan
Koleksi Pengetahuan
Proses memperoleh pengetahuan dari pakar atau dari sumber lain. (Seperti buku,
direktori).
Mungkin mencakup pengembangan pengetahuan mengenai pemecahan masalah
Pengetahuan ekstraksi
Mendapatkan informasi dari ahli manusia
Representasi Pengetahuan
Metode pengkodean pengetahuan untuk digunakan dalam sistem pakar
Metode menyajikan pengetahuan umum termasuk aturan, frame, dan fakta-fakta.
Puting pengetahuan dalam aturan, fakta atau model disebut proses pengajuan
pengetahuan.
______________________________________________________________________________________
IV-3. Argumen berdasarkan fakta
Proses penalaran berdasarkan fakta
Menggunakan pengalaman masa lalu
Berdasarkan premis bahwa orang telah menggunakan argumen yang sama atau
penalaran eksperimental untuk mengeksplorasi dan memecahkan masalah kompleks
Hal ini terutama terlihat dalam argumen berdasarkan preseden
(Sebagai contoh, sebuah undang-undang tentang perpajakan atau pilihan standar akuntansi keuangan)
Berguna jika Anda dapat menggunakan sedikit bukti, atau jika
informasi tidak lengkap
Fakta - itu
Informasi tentang situasi
Keputusan
Hasil penggunaan solusi spesifik
Kunci atribut yang dapat digunakan untuk cepat mencari
Unsur-unsur sistem yang menggunakan argumen berdasarkan fakta
Dasar fakta - fakta banyak
Indeks Perpustakaan - obyknovennno digunakan untuk pencarian yang efisien dan cepat
fakta, yang untuk sebagian besar sesuai dengan atau yang mirip dengan masalah saat ini
Kesamaan metrik - umumnya digunakan untuk menentukan derajat kedekatan arus
tantangan untuk fakta-fakta di masa lalu, yang dipilih untuk mencari perpustakaan
indeks;
Adaptasi modul - mengembangkan masalah saat Anda dengan modifikasi
solusi (adaptasi struktural) atau menciptakan solusi baru berdasarkan pada proses
digunakan dalam kasus serupa di masa lalu (adaptasi derivatif).
Pelatihan
Jika fakta yang tepat tidak ditemukan, maka fakta saat ini dan keputusannya, ditemukan pria
dapat ditambahkan ke dalam database fakta-fakta, yang memungkinkan sistem untuk belajar.
______________________________________________________________________________________
IV-4. JARINGAN SYARAF
Jaringan Syaraf Tiruan
Berdasarkan pengenalan pola
Satu set item terkait, menggambarkan sebuah model matematika yang relatif sederhana
Bandingkan contoh pada serangkaian contoh dan belajar dari contoh-contoh, menyesuaikan
hubungan berat
Weekend sampel digunakan untuk mengklasifikasikan satu set baru contoh
Mampu mengenali pola, bahkan jika data yang mengandung noise, ambigu, terdistorsi
atau memiliki banyak varietas
Desain jaringan saraf dan pelatihan
Arsitektur yang digunakan (misalnya sambungan langsung)
Organisasi neuron (misalnya entry level dengan lima
neuron, dua tingkat tersembunyi dari tiga neuron di masing-masing dan
tingkat keluaran dengan dua neuron.)
Menggunakan fungsi negara (misalnya fungsi penjumlahan)
Digunakan konversi fungsi (seperti fungsi kompresi)
Algoritma pembelajaran yang digunakan (misalnya propagasi belakang)
Arsitektur
Bagaimana elemen dasar
Umumnya digunakan arsitektur:
Dengan koneksi langsung
Boltzmann
Lapisan (juga disebut tingkat, ladang, atau suku kata)
Diselenggarakan di sejumlah tingkatan
Level Input
Satu atau lebih tersembunyi tingkat
Tingkat Output
Beberapa mempertimbangkan jumlah tingkat sebagai bagian dari arsitektur
Orang lain melihat jumlah tingkat dan node pada level yang lebih mirip atribut jaringan, dan
bukan sebagai bagian dari arsitektur.
Neuron - elemen komputasi
Kosakata di daerah ini tidak sepenuhnya menolak, dan berbagai penulis memiliki kecenderungan untuk
menggunakan set kecil istilah untuk menunjukkan konsep yang berbeda.
Struktur Neuron
Komposisi
* Himpunan koneksi input tertimbang
* Ambang
* Negara
* Fungsi non-linear transformasi
* Keluar
Nilai dari sinyal input ditentukan oleh baik neuron sebelumnya, atau lingkungan.
Nilai ambang batas ini tidak tersambung ke neuron lain di dalam jaringan dan didefinisikan untuk input
sama dengan 1 untuk fungsi penjumlahan variabel
Berat
* Sejumlah nyata yang menentukan tingkat interaksi neuron masukan
* Setiap neuron input, termasuk nilai ambang memiliki terkait
dengan berat
Fungsi Negara
* Bentuk yang paling umum - fungsi sederhana dari penjumlahan
* Keluar dari fungsi negara adalah masukan untuk fungsi transformasi
Fungsi Konversi
* Sebuah fungsi matematika yang mengkonversi data ke tertentu
skala
* Dua dasar jenis fungsi konversi: kontinyu dan diskrit
* Umumnya menggunakan fungsi konversi kontinu - gigi gergaji, tanda (x),
ArcTg dan hiperbolik Tangent
fungsi kontinu * kadang-kadang disebut fungsi kompresi
* Yang paling umum digunakan fungsi diskrit - langkah demi langkah dan ambang
* Fungsi transformasi Diskrit kadang-kadang disebut fungsi aktivasi
Pelatihan
Proses dengan menggunakan contoh dalam pengembangan jaringan saraf.
Ini perbandingan sampel input dengan jawaban yang benar
Satu set contoh (sampel pelatihan) dengan output dikenal (tujuan)
berulang kali memasuki jaringan untuk "mengajar" jaringan
Proses pembelajaran terus-menerus selama perbedaan antara input dan
keluaran sampel untuk sampel pelatihan mencapai nilai yang sesuai
Menggunakan beberapa algoritma untuk belajar jaringan
Yang paling umum adalah algoritma dengan umpan balik. Bila menggunakan algoritma ini
membuat dua lintasan:
* Pertama, sinyal input yang dikirim ke jaringan dan output tetap
* Kemudian menghitung nilai sinyal error sebagai selisih antara aktual dan
nilai-nilai yang diinginkan, yang akan dikirimkan "kembali" melalui jaringan untuk perubahan beban.
______________________________________________________________________________________
V. Keuntungan dan Kerugian
V-1. KEUNTUNGAN SISTEM PAKAR
Keteguhan - sistem pakar jangan lupa, tidak seperti ahli manusia
Reproducibility - dapat membuat jumlah salinan dari sistem pakar, dan
pelatihan ahli baru mengambil banyak waktu dan uang
Jika ada labirin kompleks aturan (misalnya peraturan pajak), maka
sistem pakar dapat "mengurai" maze
Efisiensi - dapat meningkatkan produktivitas dan mengurangi biaya personil
Meskipun sistem pakar yang mahal untuk membangun dan menjaga, mereka murah untuk beroperasi
Pembangunan dan pemeliharaan biaya dapat didistribusikan di antara banyak
pengguna
Harga total mungkin lebih masuk akal dibandingkan dengan mahal dan beberapa
ahli
Keteguhan - Dengan menggunakan sistem pakar transaksi tersebut diproses
dengan cara yang sama. Sistem akan membuat rekomendasi sebanding untuk serupa
situasi.
Dampak terhadap orang -
Efek Baru (informasi terbaru yang berkaitan dengan pengaruh akal sehat)
Efek utama (informasi awal mendominasi akal sehat).
Dokumentasi - sistem pakar dapat mendokumentasikan proses keputusan
Finalitas - sistem pakar dapat melakukan tinjauan terhadap semua transaksi, sebuah
ahli manusia akan dapat meninjau hanya sampel tunggal
Ketepatan waktu - Kesalahan dalam pembangunan dan / atau dapat ditemukan dalam waktu.
Latitude - Dapat dikombinasikan pengetahuan banyak ahli, yang memberikan sistem lebih
lintang kemungkinan besar dapat mencapai satu orang
Mengurangi resiko melakukan bisnis melalui
Urutan keputusan
Dari dokumentasi
Kompetensi
______________________________________________________________________________________
V-2. Kekurangan SISTEM PAKAR
Common Sense - Selain pengetahuan teknis yang luas, seorang ahli manusia
memiliki akal sehat. Masih tidak tahu bagaimana untuk meletakkan akal sehat ke dalam sistem pakar.
Kreativitas - seorang ahli manusia dapat merespon secara kreatif untuk tidak biasa
situasi, sistem pakar tidak bisa.
Pendidikan - seorang ahli manusia secara otomatis disesuaikan dengan perubahan lingkungan, ahli
sistem harus secara eksplisit модифицировать.Рассуждения berdasarkan fakta, dan jaringan saraf
- Metode, yang mungkin termasuk pelatihan.
Pengalaman sensorik - Man-Ahli memiliki berbagai pengalaman indra;
sistem pakar saat ini didasarkan pada memasukkan karakter.
Sistem pakar tidak baik, jika solusinya tidak ada atau di mana masalah terletak di luar
bidang kompetensi mereka.
Dari intelijen
Kecerdasan buatan adalah apa yang membuat mobil "pintar" - tindakan
mirip dengan apa yang kita harapkan dari orang-orang.
Ketidakmampuan untuk membedakan reaksi dari komputer reaksi manusia yang disebut kriteria
Turing.
Intelijen memerlukan pengetahuan.
Solusi masalah dalam praktek karena keterbatasan domain dalam rangka
menggunakan pengetahuan yang signifikan sesuai.
Dari perspektif penelitian
"Kecerdasan buatan - adalah belajar bagaimana membuat komputer melakukan
hal yang orang saat ini sedang melakukan lebih baik. "
Penelitian di kecerdasan buatan dimulai pada 1960-an - upaya pertama
telah dibuat dalam memecahkan masalah catur, membuktikan teorema (beberapa sederhana
teorema) dan penciptaan sebuah pemecah masalah umum (hanya tugas yang sangat sederhana)
Menulis pemecah masalah umum ternyata jauh lebih sulit daripada awalnya
diharapkan. Para peneliti tidak dapat menyelesaikan masalah, biasanya diselesaikan
manusia ahli.
Dasar nama "kecerdasan buatan" adalah bidang studi.
Penelitian di kecerdasan buatan antara lain:
Formal masalah (matematika, games)
Hari, masalah (persepsi, robotika, bahasa alami,
argumen berdasarkan akal sehat)
Ahli masalah (analisis keuangan, diagnosa medis, ilmiah
analisis, dan daerah lainnya)
Dari perspektif Artificial Intelligence - adalah seperangkat sangat kuat
alat dan teknik yang digunakan sebagai alat
berarti untuk memecahkan masalah praktis.
Dari sudut pandang perencanaan operasional KECERDASAN TIRUAN mencakup studi
dan studi metode untuk memecahkan masalah dalam bentuk simbolik:
metode khas dari AI lebih fokus pada metode pengolahan simbolik
informasi dari numerik.
Memecahkan masalah - itu berarti untuk mencapai tujuan.
Search - jarang langsung berhubungan dengan solusi. Cari mungkin termasuk sejumlah metode.
Pemrograman Bahasa KECERDASAN BUATAN meliputi:
LISP, dikembangkan di tahun 1950 - bahasa pemrograman awal, benar-benar
berhubungan dengan kecerdasan buatan. LISP-bahasa pemrograman fungsional
dengan ekspansi dalam bentuk prosedur. LISP (daftar pemrosesan CPU) telah dikembangkan
untuk pengobatan berbagai daftar - biasanya daftar karakter. Fitur LISP,
yang membuatnya menarik bagi peneliti di bidang buatan
KECERDASAN termasuk kontrol dinamis, penggunaan fungsi yang
fungsi lain sebagai parameter, administrasi memori otomatis
(Build "sampah") dan interaktif lingkungan.
bahasa Kedua, adalah sangat terkait dengan kecerdasan buatan, adalah Prolog. Prolog adalah
dikembangkan di tahun 1970-an. Prolog didasarkan pada kalkulus predikat, yang pertama
pesanan. Deklaratif bahasa Prolog di alam dan memiliki sarana untuk mengekspresikan
ogranicheniyao ledakan pencarian.
Bahasa berorientasi objek - kelas besar bahasa, yang baru-baru ini menjadi
digunakan untuk pemrograman kecerdasan buatan. Penting
fitur bahasa berorientasi objek meliputi:
* Konsep benda (target) dan laporan
* Objek data standar dan metode untuk pengelolaan data
* Apa yang harus dilakukan, menentukan sumber, penerima memutuskan bagaimana melakukannya.
* Keturunan (hierarki obyek, di mana benda-benda mewarisi atribut
objek dari suatu kelas yang lebih umum)
Contoh bahasa berorientasi objek - Smalltalk, objek C, C + +. Juga
digunakan berorientasi objek ekstensi LISP (CLOS - Common
Berorientasi objek, LISP-sistem) dan Prolog (L & O-Logika dan Objek).
______________________________________________________________________________________
II. Apa yang disebut sistem pakar (ES)?
Ada berbagai definisi sistem pakar. Beberapa definisi didasarkan pada
mereka fungsi. Definisi lainnya berdasarkan struktur mereka. Ketiga
definisi yang ada dalam pikiran komponen fungsional dan struktural. Banyak dari awal
definisi mempertimbangkan argumen berdasarkan aturan.
KOMPONEN FUNGSIONAL
Bahwa sistem tidak
"... Sebuah program komputer yang berperilaku seperti ahli manusia dalam
beberapa manfaat yang arah. "[Winston dan Prendergast, 1984, C.6]
Daerah Terapan
"... Untuk efektif menangani area aplikasi yang sempit." [Waterman, 1986,
c.xvii]
... khas definisi "masalah diselesaikan, yang dapat
direpresentasikan dalam bentuk simbolik "[Liebowitz,, 1988 h. 3]
Kompleks aplikasi
"... Terapkan pakar pengetahuan untuk masalah dunia nyata kompleks"
[Waterman, 1986, c.18]
"... Untuk mengatasi masalah-masalah yang cukup rumit, membutuhkan
substantif keahlian "[Edward Feigenbaum, 1985, C.5]
Efisiensi persyaratan
"Kemampuan untuk beroperasi pada tingkat ahli yang berpengalaman" [Liebowitz,, 1988 h. 3]
"Program yang meniru kemampuan ahli manusia." [Brule, 1986, hal 6]
"... Match tingkat kompetensi ahli manusia dalam tertentu
daerah. "[Uskup, 1986, c.38]
"... Untuk menawarkan penilaian intelektual atau mengambil cerdas
solusi selama operasi. "Spesialis [Computer Society British Group
di Forsyth,, 1984 ss.9-10]
"Biarkan pengguna untuk memperoleh keahlian peer review atau mirip
sehingga ia bisa mendapatkan, dalam konsultasi dengan ahli manusia. "[Edwards
dan Connell, 1989, h. 3]
Penjelasan penalaran
"... Kemungkinan sistem, atas permintaan, memberikan penjelasan tentang bagaimana itu
menerima satu atau kesimpulan lain. "Spesialis [Computer Society Inggris Group di
Forsyth, 1984, p.9-10]
"Proses registrasi dijelaskan ..." [Liebowitz, 1988, h. 3]
___________________________________________________________________________________
STRUKTUR KOMPONEN
Karena sistem beroperasi
Menggunakan metode kecerdasan buatan
"... Penggunaan teknik pemrograman kecerdasan buatan, terutama
kedua metode yang dirancang untuk memecahkan masalah "[Dictionaty of Computing,
1986, p.140]
Komponen Pengetahuan
"... Komputer perwujudan dari basis pengetahuan pengalaman ahli ..." [Inggris Komputer
Masyarakat Specialist Group di Forsyth, 1984, p.9-10]
"Komputer, didasarkan pada sistem perwakilan ahli pengetahuan" [Edwards dan
Connell, 1989, h. 3]
"Pengetahuan tentang sistem pakar terdiri dari fakta-fakta dan heuristik. Fakta-fakta adalah inti
informasi. Ini adalah sesuatu yang banyak diwakili, aksesibilitas, disepakati oleh para ahli di
daerah tertentu. "[Feigenbaum Edward, 1985, p.5]
"Ahli sistem - program komputer canggih yang memanipulasi
pengetahuan untuk memecahkan masalah "[Waterman, 1986, s.xvii]
Berbagi pengetahuan dan manajemen
"... Secara eksplisit meliputi pengetahuan tentang area subyek, yang dipisahkan dari yang lain
Sistem "[Waterman, 1986, hal.18].
Menggunakan Prosedur O - heuristik - ketidakpastian
"... Intelligent program komputer yang menggunakan pengetahuan dan
inferensi prosedur "[Edwars Feigenbaum, 1985, C.5].
"Gaya diadopsi untuk mencapai karakteristik - pemrograman ini,
berdasarkan aturan. "[Computer Society Inggris Specialist Group di Forsyth,
1984, p.9-10].
"Pengaturan perilaku cerdas oleh aplikasi yang berkualitas
heuristik pemrograman "[Waterman, 1986, hal.18].
"Terutama swasta heuristik, beberapa aturan penilaian (aturan penalaran
berdasarkan fakta, aturan asumsi) - ini adalah apa yang mencirikan tingkat
ahli pembuatan keputusan di daerah tertentu "[. Edward Feigenbaum, 1985,
C.5].
"... Dimasukkannya cara untuk menangani ketidakpastian ..." [Liebowitz, 1988, h. 3]
Model ahli manusia
"... Bisa dianggap sebagai model ahli pada praktek terbaik dalam tertentu
daerah. "[Feigenbaum Edward, 1985, C.5].
"... Representasi pengetahuan khusus tentang masalah dalam cara yang sama
ahli manusia berpikir "[Liebowitz, 1988, h. 3].
"... Melibatkan penggunaan informasi yang relevan diperoleh sebelumnya
dari ahli manusia. "[Dictionaty of Computing,, 1986 c.140]
___________________________________________________________________________________
III. Bagaimana orang berpikir?
Mereka membuat kategori
Ketersediaan - Aktiva Lancar
Aktiva Lancar - Suatu aset
Mereka menggunakan aturan khusus, sebuah aturan priori
Sebagai contoh, pajak hukum ... Begitu banyak dari mereka untuk setiap kesempatan
Aturan dapat dipesan sehingga
"Jika A maka B" ...
"Jika B, maka C"
---> B ---> C
Mereka menggunakan heuristik --- "crawl aturan"
Heuristik bisa diperbaiki dengan menggunakan aturan-aturan semacam ini
"Jika makanan yang mengandung daging
Kemudian pilih warna anggur merah "
Sebuah heuristik adalah suatu aturan dengan kondisi
Mereka menggunakan pengalaman masa lalu --- "fakta"
Hal ini terutama jelas dalam argumen berdasarkan preseden.
Misalnya, dalam hukum atau dalam pilihan standar akuntansi keuangan
Pengurangan kasus ini untuk kasus-kasus sebelumnya adalah dasar untuk pemilihan tindakan
Simpan informasi tentang fakta, menggunakan atribut kunci. Sebagai contoh, Mobil
dapat dicirikan oleh: tahun produksi mobil, mobil bekas, kecepatan
mobil, dll
Apa yang membuat sebuah argumen yang baik, itu membuat argumen yang baik
Mereka menggunakan "Harapan"
"Anda tidak akan independen hari ini
Jika perilaku kita berbeda dari matematis yang diharapkan, maka disebut
"Model perilaku"
______________________________________________________________________________________
IV. Bagaimana Komputer alasan?
MODEL KOMPUTER ADALAH BERDASARKAN MODEL PENALARAN MANUSIA
Bingkai
Setiap atribut dari bingkai yang disebut "slot"
Setiap frame - adalah simpul (node) dalam satu atau lebih hubungan hierarkis seperti
"Adalah"
Mereka menggunakan aturan A --- B> ---> C
Himpunan peraturan disebut basis pengetahuan atau rule base.
Mereka menggunakan pengenalan pola, misalnya, sistem kartu kredit; Sistem
keamanan database
___________________________________________________________________________________
IV-1. Bingkai
Jaringan terdiri dari simpul (node) dan hubungan antara mereka
Di satu sisi, mereka sangat mirip dengan database tradisional, tetapi di sisi lain,
sangat berbeda dari dia
Atribut yang disebut "slot"
Nilai ini dapat secara eksplisit diatur
Metode penentuan nilai lebih berharga daripada nilai sendiri
Setiap frame - simpul (node) terletak dalam satu atau lebih hubungan hirarkis
ketik "adalah"
Upper tingkat hirarki adalah konsep-konsep umum, dan lebih rendah
spesifik
nilai ini dapat diwariskan dari simpul umum (node)
Penyampaian bingkai dalam bentuk prototipe dapat diatur ke default,
yang kemudian dapat dihapus.
Sebagai contoh, kami menggambarkan subjek tumbuh di halaman belakang saya:
elm - pohon pohon tak terbantahkan terbantahkan - pohon, pohon - tanaman, tanaman - hidup
organisme.
______________________________________________________________________________________
IV-2. Argumen didasarkan pada aturan
Saat ini, bentuk yang paling umum representasi pengetahuan dalam sistem pakar.
Struktur sistem pakar
User interface
Ramah
Yang paling "cerdas"
* Pengetahuan tentang cara memberikan informasi
* Pengetahuan tentang sistem preferensi pengguna
Database
Berisi beberapa data menarik bagi
Dapat dihubungkan ke jaringan atau database publik yang tersedia
Mekanisme inferensi
Pengetahuan umum tentang isu-isu dan metode
Interpreter mengurai dan proses aturan
scheduler menentukan urutan pertimbangan aturan
Search berdasarkan peraturan
Mengambil keuntungan dari informasi heuristic
Di sisi lain, sedangkan pemecahan masalah dapat
terlalu banyak
* Masalah ini disebut ledakan kombinatorial
shell Sistem Pakar merupakan suatu logika disesuaikan
O
Basis Pengetahuan (aturan database)
Mengandung sejumlah besar pengetahuan tentang pemecahan masalah
Aturan memiliki bentuk IF kondisi (kondisi) MAKA tindakan
Bagian dari peraturan kondisi (negara bagian) - biasanya fakta - (Jika
beberapa fakta tertentu dalam database, kemudian berjalan
beberapa tindakan)
Bagian dari aturan mungkin termasuk
Tindakan yang mempengaruhi dunia luar (jenis
pesan di terminal)
Periksa peraturan lain
Menambahkan fakta baru dalam database (jika hujan,
Itulah jalan basah).
Aturan dapat spesifik, sebuah aturan apriori (misalnya, hukum pajak ...-
merupakan kodifikasi hukum dan peraturan.
Aturan mungkin heuristik (misalnya, jika makanan termasuk daging,
kemudian pilih anggur merah).
"Aturan Crawl" - adalah kebijaksanaan duniawi.
Aturan dapat mengikuti dari satu sama lain (misalnya "Jika A maka B"; "Jika B maka
C "; sebagai A --- B ---> C>, kemudian" Jika A maka C ").
(Jika hujan, maka jalan basah Jika jalan basah, jalan yang licin..)
Koefisien (faktor) adalah derajat kebenaran kepercayaan
fakta
______________________________________________________________________________________
IV-2a. Pengetahuan Teknik
Disiplin pembangunan sistem pakar
Peran Teknik Pengetahuan
Koleksi Pengetahuan
Proses memperoleh pengetahuan dari pakar atau dari sumber lain. (Seperti buku,
direktori).
Mungkin mencakup pengembangan pengetahuan mengenai pemecahan masalah
Pengetahuan ekstraksi
Mendapatkan informasi dari ahli manusia
Representasi Pengetahuan
Metode pengkodean pengetahuan untuk digunakan dalam sistem pakar
Metode menyajikan pengetahuan umum termasuk aturan, frame, dan fakta-fakta.
Puting pengetahuan dalam aturan, fakta atau model disebut proses pengajuan
pengetahuan.
______________________________________________________________________________________
IV-3. Argumen berdasarkan fakta
Proses penalaran berdasarkan fakta
Menggunakan pengalaman masa lalu
Berdasarkan premis bahwa orang telah menggunakan argumen yang sama atau
penalaran eksperimental untuk mengeksplorasi dan memecahkan masalah kompleks
Hal ini terutama terlihat dalam argumen berdasarkan preseden
(Sebagai contoh, sebuah undang-undang tentang perpajakan atau pilihan standar akuntansi keuangan)
Berguna jika Anda dapat menggunakan sedikit bukti, atau jika
informasi tidak lengkap
Fakta - itu
Informasi tentang situasi
Keputusan
Hasil penggunaan solusi spesifik
Kunci atribut yang dapat digunakan untuk cepat mencari
Unsur-unsur sistem yang menggunakan argumen berdasarkan fakta
Dasar fakta - fakta banyak
Indeks Perpustakaan - obyknovennno digunakan untuk pencarian yang efisien dan cepat
fakta, yang untuk sebagian besar sesuai dengan atau yang mirip dengan masalah saat ini
Kesamaan metrik - umumnya digunakan untuk menentukan derajat kedekatan arus
tantangan untuk fakta-fakta di masa lalu, yang dipilih untuk mencari perpustakaan
indeks;
Adaptasi modul - mengembangkan masalah saat Anda dengan modifikasi
solusi (adaptasi struktural) atau menciptakan solusi baru berdasarkan pada proses
digunakan dalam kasus serupa di masa lalu (adaptasi derivatif).
Pelatihan
Jika fakta yang tepat tidak ditemukan, maka fakta saat ini dan keputusannya, ditemukan pria
dapat ditambahkan ke dalam database fakta-fakta, yang memungkinkan sistem untuk belajar.
______________________________________________________________________________________
IV-4. JARINGAN SYARAF
Jaringan Syaraf Tiruan
Berdasarkan pengenalan pola
Satu set item terkait, menggambarkan sebuah model matematika yang relatif sederhana
Bandingkan contoh pada serangkaian contoh dan belajar dari contoh-contoh, menyesuaikan
hubungan berat
Weekend sampel digunakan untuk mengklasifikasikan satu set baru contoh
Mampu mengenali pola, bahkan jika data yang mengandung noise, ambigu, terdistorsi
atau memiliki banyak varietas
Desain jaringan saraf dan pelatihan
Arsitektur yang digunakan (misalnya sambungan langsung)
Organisasi neuron (misalnya entry level dengan lima
neuron, dua tingkat tersembunyi dari tiga neuron di masing-masing dan
tingkat keluaran dengan dua neuron.)
Menggunakan fungsi negara (misalnya fungsi penjumlahan)
Digunakan konversi fungsi (seperti fungsi kompresi)
Algoritma pembelajaran yang digunakan (misalnya propagasi belakang)
Arsitektur
Bagaimana elemen dasar
Umumnya digunakan arsitektur:
Dengan koneksi langsung
Boltzmann
Lapisan (juga disebut tingkat, ladang, atau suku kata)
Diselenggarakan di sejumlah tingkatan
Level Input
Satu atau lebih tersembunyi tingkat
Tingkat Output
Beberapa mempertimbangkan jumlah tingkat sebagai bagian dari arsitektur
Orang lain melihat jumlah tingkat dan node pada level yang lebih mirip atribut jaringan, dan
bukan sebagai bagian dari arsitektur.
Neuron - elemen komputasi
Kosakata di daerah ini tidak sepenuhnya menolak, dan berbagai penulis memiliki kecenderungan untuk
menggunakan set kecil istilah untuk menunjukkan konsep yang berbeda.
Struktur Neuron
Komposisi
* Himpunan koneksi input tertimbang
* Ambang
* Negara
* Fungsi non-linear transformasi
* Keluar
Nilai dari sinyal input ditentukan oleh baik neuron sebelumnya, atau lingkungan.
Nilai ambang batas ini tidak tersambung ke neuron lain di dalam jaringan dan didefinisikan untuk input
sama dengan 1 untuk fungsi penjumlahan variabel
Berat
* Sejumlah nyata yang menentukan tingkat interaksi neuron masukan
* Setiap neuron input, termasuk nilai ambang memiliki terkait
dengan berat
Fungsi Negara
* Bentuk yang paling umum - fungsi sederhana dari penjumlahan
* Keluar dari fungsi negara adalah masukan untuk fungsi transformasi
Fungsi Konversi
* Sebuah fungsi matematika yang mengkonversi data ke tertentu
skala
* Dua dasar jenis fungsi konversi: kontinyu dan diskrit
* Umumnya menggunakan fungsi konversi kontinu - gigi gergaji, tanda (x),
ArcTg dan hiperbolik Tangent
fungsi kontinu * kadang-kadang disebut fungsi kompresi
* Yang paling umum digunakan fungsi diskrit - langkah demi langkah dan ambang
* Fungsi transformasi Diskrit kadang-kadang disebut fungsi aktivasi
Pelatihan
Proses dengan menggunakan contoh dalam pengembangan jaringan saraf.
Ini perbandingan sampel input dengan jawaban yang benar
Satu set contoh (sampel pelatihan) dengan output dikenal (tujuan)
berulang kali memasuki jaringan untuk "mengajar" jaringan
Proses pembelajaran terus-menerus selama perbedaan antara input dan
keluaran sampel untuk sampel pelatihan mencapai nilai yang sesuai
Menggunakan beberapa algoritma untuk belajar jaringan
Yang paling umum adalah algoritma dengan umpan balik. Bila menggunakan algoritma ini
membuat dua lintasan:
* Pertama, sinyal input yang dikirim ke jaringan dan output tetap
* Kemudian menghitung nilai sinyal error sebagai selisih antara aktual dan
nilai-nilai yang diinginkan, yang akan dikirimkan "kembali" melalui jaringan untuk perubahan beban.
______________________________________________________________________________________
V. Keuntungan dan Kerugian
V-1. KEUNTUNGAN SISTEM PAKAR
Keteguhan - sistem pakar jangan lupa, tidak seperti ahli manusia
Reproducibility - dapat membuat jumlah salinan dari sistem pakar, dan
pelatihan ahli baru mengambil banyak waktu dan uang
Jika ada labirin kompleks aturan (misalnya peraturan pajak), maka
sistem pakar dapat "mengurai" maze
Efisiensi - dapat meningkatkan produktivitas dan mengurangi biaya personil
Meskipun sistem pakar yang mahal untuk membangun dan menjaga, mereka murah untuk beroperasi
Pembangunan dan pemeliharaan biaya dapat didistribusikan di antara banyak
pengguna
Harga total mungkin lebih masuk akal dibandingkan dengan mahal dan beberapa
ahli
Keteguhan - Dengan menggunakan sistem pakar transaksi tersebut diproses
dengan cara yang sama. Sistem akan membuat rekomendasi sebanding untuk serupa
situasi.
Dampak terhadap orang -
Efek Baru (informasi terbaru yang berkaitan dengan pengaruh akal sehat)
Efek utama (informasi awal mendominasi akal sehat).
Dokumentasi - sistem pakar dapat mendokumentasikan proses keputusan
Finalitas - sistem pakar dapat melakukan tinjauan terhadap semua transaksi, sebuah
ahli manusia akan dapat meninjau hanya sampel tunggal
Ketepatan waktu - Kesalahan dalam pembangunan dan / atau dapat ditemukan dalam waktu.
Latitude - Dapat dikombinasikan pengetahuan banyak ahli, yang memberikan sistem lebih
lintang kemungkinan besar dapat mencapai satu orang
Mengurangi resiko melakukan bisnis melalui
Urutan keputusan
Dari dokumentasi
Kompetensi
______________________________________________________________________________________
V-2. Kekurangan SISTEM PAKAR
Common Sense - Selain pengetahuan teknis yang luas, seorang ahli manusia
memiliki akal sehat. Masih tidak tahu bagaimana untuk meletakkan akal sehat ke dalam sistem pakar.
Kreativitas - seorang ahli manusia dapat merespon secara kreatif untuk tidak biasa
situasi, sistem pakar tidak bisa.
Pendidikan - seorang ahli manusia secara otomatis disesuaikan dengan perubahan lingkungan, ahli
sistem harus secara eksplisit модифицировать.Рассуждения berdasarkan fakta, dan jaringan saraf
- Metode, yang mungkin termasuk pelatihan.
Pengalaman sensorik - Man-Ahli memiliki berbagai pengalaman indra;
sistem pakar saat ini didasarkan pada memasukkan karakter.
Sistem pakar tidak baik, jika solusinya tidak ada atau di mana masalah terletak di luar
bidang kompetensi mereka.
